Deep Learning

19 Dic 2019

MÁS DEL 70 % DE LAS EMPRESAS HAN REALIZADO O PREVÉN REALIZAR INVERSIONES EN FABRICACIÓN AVANZADA E INTELIGENCIA ARTIFICIAL

2019-12-19T09:39:27+02:00Categorías: Deep Learning|Etiquetas: , , , , |Sin comentarios

La tecnología Deep Learning está cambiando la vida a millones de personas en todo el mundo. Deep Learning es una tecnología que traslada la inteligencia artificial a una nueva generación por los resultados y nuevas aplicaciones que está abriendo: desde el reconocimiento del lenguaje natural hasta los sistemas de traducción, pasando por sistemas de control por series (procesos de fabricación) o, la visión artificial. Este potencial se recoge en las previsiones de inversión en soluciones de fabricación avanzada e inteligencia artificial. En USA más del 70 % de las empresas han realizado o prevén realizar dichas inversiones. La implementación del Deep Learning ayudará a solucionar problemas consiguiendo resultados que antes eran imposibles de obtener: cambia la vida a millones de personas en todo el mundo y su aplicación abarca diferentes ámbitos y sectores de actividad; desde la industria 4.0 hasta la medicina personalizada pasando por [...]

11 Dic 2019

CROMATEK: SISTEMA AUTOMÁTICO DE INSPECCIÓN DE PIEZAS CROMADAS DE AUTOMOCIÓN

2019-12-11T14:00:54+02:00Categorías: Control de calidad|Etiquetas: , , , , |Sin comentarios

El piloto CROMATEK surge para dar respuesta a un palpable interés en el control de calidad de piezas de alto brillo, y en especial en un sector como el del automóvil, donde los requisitos de acabado superficial son muy exigentes. Tecnalia ha desarrollado junto con Maser un sistema automático de inspección de piezas cromadas, que, aunando tecnologías como la robótica, la visión artificial y las redes neuronales para el aprendizaje profundo, es capaz de advertir la presencia de defectos de hasta 0,1mm2 o de 0,1mm en el caso de rayas.

21 Nov 2019

EXPLICABILIDAD, TRANSPARENCIA, TRAZABILIDAD Y EQUIDAD: NO TODO ES PRECISIÓN EN EL USO RESPONSABLE DE LA INTELIGENCIA ARTIFICIAL

2019-12-10T19:11:40+02:00Categorías: Deep Learning|Etiquetas: , , , |Sin comentarios

La necesidad de explicar los modelos de Inteligencia Artificial es, sin duda, uno de los campos de investigación más vanguardistas del último lustro, acuñando lo que hoy día se conoce como XAI (Explainable Artificial Intelligence). Este campo de estudio comprende técnicas y métodos orientados a la explicación de la Inteligencia Artificial, teniendo en cuenta tres factores fundamentales: La naturaleza del modelo a explicar, que puede hacerlo desde inherentemente transparente (un árbol de decisión) hasta completamente opaco e ininteligible (un modelo de aprendizaje profundo). La audiencia objetivo por la que se persigue la explicación del modelo, sean gerentes que pretenden valorar el rendimiento de sus activos basados en Inteligencia Artificial, desarrolladores que pretenden entender mejor los modelos para poder extender sus capacidades, o usuarios finales que estén interesados en las implicaciones que el uso de esta tecnología tiene en cuestiones sensibles como la privacidad de sus datos. La forma [...]

31 Oct 2019

CONSTELLATION LOSS

2019-11-21T17:38:06+02:00Categorías: Deep Learning|Etiquetas: , , , |Sin comentarios

Los algoritmos de diagnóstico con inteligencia artificial están demostrando resultados comparables con expertos humanos en una amplia variedad de tareas. Sin embargo, requieren una gran cantidad de datos bien anotados para entrenar, que a menudo no es factible. Las técnicas de metric learning han permitido una reducción en la necesidad de datos anotados, permitiendo el aprendizaje conocido como few-shot learning. Las loss functions de metric learning existentes han posibilitado la generación de modelos capaces de abordar escenarios complejos con la presencia de muchas clases y escasez en el número de imágenes por clase, no solo para tareas de clasificación, sino para muchas otras aplicaciones clínicas donde medir la similitud es la clave. Las loss functions de última generación aún sufren de convergencia lenta debido a la selección de muestras efectivas para el entrenamiento, que ha sido parcialmente resuelta por la multi-class N-pair los al agregar simultáneamente [...]

25 Oct 2019

CÓMO APLICAR DEEP LEARNING EN MI EMPRESA. CASOS PRÁCTICOS

2019-10-29T09:59:21+02:00Categorías: Deep Learning|Etiquetas: , , , |Sin comentarios

En los últimos años, en Estados Unidos más del 70% de las empresas habían previsto inversiones en soluciones de fabricación avanzada e inteligencia artificial. De hecho, siguiendo con esta dinámica, muchas empresas ya han puesto en marcha soluciones de mejora relacionadas con las líneas que propone la industria 4.0 y la ola de digitalización. Esta jornada, que tendrá lugar el 26 de Noviembre en el Parque Tecnológico de Bizkaia, es una continuación de la que presentamos en 2017. Si entonces hablábamos de qué era el Deep Learning y qué podía hacer por mi empresa, dos años después te mostraremos cómo llegar a implantarlo y presentaremos diferentes casos de uso realizados por empresas de primer nivel. FORMULARIO DE INSCRIPCIÓN DEEP LEARNING: Una tecnología clave en el futuro de las empresas Gracias al campo de la Inteligencia Artificial (IA) conceptos como el Deep Learning y el Machine Learning han adquirido una gran relevancia en los últimos años.  Muchos expertos predicen la [...]

25 Oct 2019

SCHOOL OF AI (BILBAO)

2019-10-25T13:19:55+02:00Categorías: Computer Vision|Etiquetas: , , , |Sin comentarios

School of AI invitó a los investigadores de Tecnalia Alfonso Medela y Miguel Glez. San Emeterio a dar una charla sobre "Deep Learning". School of AI es una organización sin ánimo de lucro cuyo objetivo es proporcionar educación gratuita a cualquier persona interesada a nivel global. Por el momento tienen satélites en más de 400 ciudades distribuidas en más de 80 países que son administrados por voluntarios de más de 800 personas en todo el mundo. Recientemente creada, la oficina satélite de la School of AI en Bilbao invitó a los investigadores de nuestra organización a su tercer evento realizado en Bilbao para compartir algunos de sus conocimientos. La charla que tuvo lugar en las instalaciones de la Universidad de Mondragón en Bilbao. Alfonso y Miguel hablaron sobre "¿qué es el aprendizaje profundo?", Inteligencia Artificial, redes neuronales, aprendizaje automático, impacto, problemática y líneas futuras. [...]

8 Ago 2018

Siamese Neural Networks

2019-10-11T10:13:51+02:00Categorías: Deep Learning|Etiquetas: , , , , |Sin comentarios

Las redes siamesas se introdujeron por primera vez por Bromley y LeCun [1] a principios de la década de los 90 para resolver la verificación de firma como un problema de coincidencia de imágenes. Una arquitectura similar se propuso para la identificación de huellas dactilares por Baldi y Chauvin [2] en 1992. Más tarde en 2015, Gregory Koch et al.[3] propusieron utilizar redes neuronales siamesas para el reconocimiento de imágenes mediante la técnica de one-shot learning. Las redes neuronales siamesas están diseñadas como dos redes gemelas conectadas por su capa final por medio de una capa de distancia que está entrenada para predecir si dos imágenes pertenecen a la misma categoría o no. Las redes que componen la arquitectura siamesa se llaman gemelas porque todos los pesos y biases están unidos, lo que significa que ambas redes son simétricas. La simetría es importante ya que la red [...]

27 Abr 2017

DETECCIÓN Y CONTAJE AUTOMÁTICO DE MITOSIS EN IMÁGENES HISTOLÓGICAS

2019-10-29T16:16:02+02:00Categorías: Deep Learning|Etiquetas: , |Sin comentarios

La digitalización de las imágenes médicas es ya una realidad que ha permitido en los últimos años la automatización de muchas tareas con el objetivo de ayudar al facultativo en su labor diagnóstica. Las imágenes histológicas, obtenidas a través de muestras de tejidos, también han sido digitalizadas mediante potentes microscopios escáneres existentes en el mercado, que, poco a poco, van extendiéndose por los servicios de anatomía patológica de los hospitales. En este contexto, están proliferando los paquetes de software que facilitan la operativa diaria de los patólogos. El grupo Computer Vision de Tecnalia lleva tiempo trabajando en soluciones que puedan servir de apoyo en la actividad de los patólogos, como es el caso del sistema de búsqueda de imágenes histológicas similares en base a contenido visual y relevancia clínica, que mereció el 1er puesto en EARTO Innovation Prize en 2014. Enmarcado en esta línea de trabajo, una de las [...]

25 Abr 2017

Deeply Inspiring

2019-10-11T10:24:09+02:00Categorías: Deep Learning|Etiquetas: , |Sin comentarios

Las tecnologías deep learning se están dando a conocer fuera de los entornos técnicos. Una nueva entrada del inspiring blog de Tecnalia está dedicada al análisis de estas nuevas técnicas. En ella repasamos algunas de los elementos clave en estas tecnologías tanto de software como de hardware y algunas de las empresas y aplicaciones que actualmente trabajan con ellas. Si atendemos a las previsiones de crecimiento va a ser una pieza clave en muchos negocios.

18 Jun 2016

Deep Learning development setup for ubuntu 16.04 Xen

2019-10-11T10:26:31+02:00Categorías: Deep Learning|Etiquetas: , , , , , , , |1 comentario

El mes pasado actualizamos nuestros servidores de deep learning a Ubuntu 16.04 LTS. Dado que los principales entornos de deep learning ni los drivers de cuda y cuDNN soportan de forma directa ubuntu 16.04, en este post proporcionamos un resumen de los pasos realizados para poder configurar Theano, Caffe y TensorFlow sobre esta última versión de LTS de ubuntu. Esta guía es también válida para otras versiones de ubuntu simplemente ignorandolos pasos relacionados con la adaptación de ficheros para compilación a gcc 5.x. Incluimos también algunos ficheros de configuración/test que se describen en esta guía (link). A continuación incluimos la guía en inglés: 1. Install prerequisites: This install prerequisites required to build the different dependencies and frameworks. sudo apt-get update sudo apt-get upgrade sudo apt-get install build-essential sudo apt-get autoremove sudo apt-get install git git config --global user.name $MYNAME git config --global user.email $MYMAIL 2. Install nvidia graphics [...]